python 字元編碼

1、訪問檔案不亂碼的法則：用什麼編碼存的，就要用什麼編碼讀

2、decode encode

bytes------------->unicode---------->bytes

3、python3直譯器預設使用的字元編碼是utf-8

python2直譯器預設使用的字元編碼是ascii

4、python2的str就是python3的bytes

python2的unicode就是python3的str

5、unicode 列印編碼：

pycharm的終端是utf8的編碼，要按照列印終端的編碼來顯示出來.

windows的終端是gbk的編碼

linux的終端是utf8的編碼

總結字元編碼的發展可分為三個階段：

階段一：現代計算機起源於美國，最早誕生也是基於英文考慮的ascii

ascii：乙個bytes代表乙個字元（英文本元/鍵盤上的所有其他字元），1bytes=8bit，8bit可以表示0-2**8-1種變化，即可以表示256個字元

階段二:為了滿足中文和英文，中國人定製了gbk

gbk：2bytes代表乙個中文字元，1bytes表示乙個英文本元；為了滿足其他國家，各個國家紛紛定製了自己的編碼，日本把日文編到shift_jis裡，南韓把韓文編到euc-kr裡

階段三：各國有各國的標準，就會不可避免地出現衝突，結果就是，在多語言混合的文字中，顯示出來會有亂碼。

於是出現了unicode（定長），　統一用2bytes代表乙個字元，　雖然2**16-1=65535，但unicode卻可以存放100w+個字元，因為unicode存放了與其他編碼的對映關係，準確地說unicode並不是一種嚴格意義上的字元編碼表。很明顯對於通篇都是英文的文字來說，unicode的式無疑是多了一倍的儲存空間，於是產生了utf-8（可變長，全稱unicode transformation format），對英文本元只用1bytes表示，對中文字元用3bytes，對其他生僻字用更多的bytes去存

要想保證檔案不亂碼,用什麼編碼存的就用什麼編碼取.

x='上'

python2:啟動python直譯器,把檔案從記憶體讀出(以預設ascii碼),bytes=str，申請記憶體空間儲存字串

#
coding:gbk
print('上'
)print
([x]) 
#記憶體空間存的值['\xc9\xcf'] #(gbk),2個bytes,4個16進製制數
print([x.decode('
gbk')]) #
以什麼編碼存的就用什麼編碼取[u'\u4e0a'](unicode) 解碼
y=x.decode('
gbk') #
y是unicode型別，可以轉化為任意型別
print([y.encode('
utf-8
')])

x=u'上'
print(type(x)) #
python2 有直接的unicode的型別,可以encode其他編碼.建議都加u

python3:啟動python直譯器,把檔案從記憶體讀出(以預設utf-8碼)

#
coding:gbk 告訴python直譯器以什麼編碼讀取儲存字串
x='上
'y=x.encode('
gbk') #
只能encode證明python3預設就是以unicode存.
print
(y,type(y)) # 
b'\xc9\xcf' 
#python3的bytes型別就是python2的str型別,所有的字串編碼都是bytes型別
#檔案編碼(存)預設就是utf-8型別,字串編碼預設是unicode型別

python 字元編碼

python字元編碼

python字元編碼

Python字元編碼

python 字元編碼

python字元編碼

python字元編碼

Python字元編碼

相關推薦